張咪，趙勇，布樹輝，張臻煒，楊君

西北工業(yè)大學(xué) 航空學(xué)院，西安 710072

近年來，隨著具有體積小、重量輕、隱蔽性好等特點(diǎn)的無人飛行器被廣泛應(yīng)用，迎來了無人機(jī)(UAV)技術(shù)大爆炸時(shí)代。其中多旋翼無人機(jī)系統(tǒng)更是因?yàn)榻Y(jié)構(gòu)簡單、穩(wěn)定性好、起飛降落方式靈活、自身占用空間小、轉(zhuǎn)向性能良好等優(yōu)點(diǎn)，成為民/商用及研究領(lǐng)域的熱門。面對越來越多的無人機(jī)民用新需求，比如動(dòng)態(tài)追蹤拍攝[1]、快遞行業(yè)定點(diǎn)投送物品[2]等，對微型無人機(jī)的自主精準(zhǔn)降落技術(shù)[3]提出了新的挑戰(zhàn)。

基于全球定位系統(tǒng)(GPS)導(dǎo)航[4]的自動(dòng)降落是目前最常用的方法，但GPS引導(dǎo)自動(dòng)降落有一定的不足。首先，不做特殊處理的GPS定位精度僅能達(dá)到10 m，對于地形復(fù)雜的區(qū)域，比如建筑群密集的城市，無人機(jī)很可能因?yàn)閷?dǎo)航誤差在低空進(jìn)近區(qū)域墜毀；其次，GPS信號受非空氣介質(zhì)干擾大，在遮擋物較多的區(qū)域，比如森林，會(huì)造成誤差增大甚至信號丟失；專業(yè)級高精度GPS設(shè)備成本昂貴，不具備經(jīng)濟(jì)實(shí)用性。

鑒于GPS的精度不高，有學(xué)者陸續(xù)提出了基于視覺的自動(dòng)降落技術(shù)。其中，2014年上海理工大學(xué)的夏云龍等提出基于聲源時(shí)延和氣壓高度傳感器的無人機(jī)精確降落技術(shù)[5]，該項(xiàng)技術(shù)在降落點(diǎn)安置聲源，在無人機(jī)上構(gòu)造基于全向性駐極體麥克風(fēng)的正四面體麥克風(fēng)接收陣列[6]，利用聲源時(shí)延技術(shù)計(jì)算無人機(jī)的俯仰角和偏航角，再通過無人機(jī)上安裝的氣壓高度傳感器感知無人機(jī)的高度，從而精確引導(dǎo)無人機(jī)降落。2016年南京航空航天大學(xué)吳賽飛等提出基于紅外視覺的無人機(jī)自動(dòng)著陸引導(dǎo)系統(tǒng)[7]，通過在無人機(jī)上設(shè)計(jì)紅外視覺識別標(biāo)志，利用停機(jī)坪上的紅外相機(jī)對無人機(jī)目標(biāo)進(jìn)行識別和定位并完成自主降落。同年，哈爾濱工業(yè)大學(xué)樊瓏提出一種在無人機(jī)上完成所有計(jì)算的視覺定位方法[8]，但此方法也需要借助超聲波測距儀測量高度，再通過機(jī)載相機(jī)尋找停機(jī)坪上黑白相間的圓環(huán)降落標(biāo)志的圓心計(jì)算出無人機(jī)的位置，完成自動(dòng)降落控制。

然而以上方法存在一些共同的不足：

1) 僅支持無人機(jī)和停機(jī)坪一對一關(guān)系，無法支持多無人機(jī)同時(shí)降落。但在快遞運(yùn)輸定點(diǎn)投送物品等實(shí)際應(yīng)用中，需要多架無人機(jī)同時(shí)進(jìn)行配送任務(wù)，以提高工作效率。

2) 易受降落環(huán)境干擾，對降落環(huán)境要求較高，很難完成精準(zhǔn)降落。比如紅外視覺識別標(biāo)志在強(qiáng)光下很容易被干擾，或產(chǎn)生錯(cuò)誤的識別。氣壓高度計(jì)極易受到溫度影響，而超聲波測距對氣溫變化和噪聲很敏感，環(huán)境因素的影響都可能導(dǎo)致精度不高。

3) 在完成整個(gè)自主降落的過程中，需要其他設(shè)備(比如紅外激光探測儀、氣壓高度傳感器和超聲波測距儀等[9-10])輔助完成定位、測高等任務(wù)。

為了解決上述問題，我們設(shè)計(jì)了一種多層嵌套Marker的階層降落標(biāo)識，并針對該標(biāo)識提出了有針對性的快速檢測識別及定位算法，實(shí)現(xiàn)了一套自主精準(zhǔn)降落系統(tǒng)。經(jīng)電腦仿真試驗(yàn)和無人機(jī)自主降落試驗(yàn)驗(yàn)證了系統(tǒng)的可行性和實(shí)效性。與現(xiàn)有系統(tǒng)相比，此系統(tǒng)具備以下特點(diǎn)：

1) 無須依賴其他設(shè)備就可以完成精確的相對定位、定高、定姿態(tài)等工作。

2) 抗干擾能力強(qiáng)、計(jì)算效率高，可在低成本計(jì)算平臺上快速實(shí)現(xiàn)圖像處理、無人機(jī)位姿計(jì)算等任務(wù)。

3) 所設(shè)計(jì)的算法可以為多無人機(jī)提供定位和降落信息。

1 系統(tǒng)總體框架

本系統(tǒng)由硬件和軟件兩部分構(gòu)成，系統(tǒng)的整體框架與流程如圖1所示。硬件部分主要包括機(jī)載攝像機(jī)、機(jī)載CPU處理器和機(jī)載飛行控制器。

對于本系統(tǒng)，在降落過程中將機(jī)載攝像機(jī)拍攝的實(shí)時(shí)圖像傳給機(jī)載CPU處理器進(jìn)行處理，檢測并校驗(yàn)停機(jī)坪上的降落標(biāo)識估計(jì)無人機(jī)的位置和姿態(tài)；將相對位置、姿態(tài)信息發(fā)送給飛行控制器，從而控制無人機(jī)逐步逼近停機(jī)坪，最終實(shí)現(xiàn)無人機(jī)全自主降落。

圖1 系統(tǒng)總體框架Fig.1 Overall framework of system

2 降落標(biāo)識設(shè)計(jì)

無人機(jī)降落標(biāo)識為用于輔助無人機(jī)視覺定位的基礎(chǔ)，其設(shè)計(jì)需要滿足以下要求：

1) 特征鮮明突出，容易被識別且識別應(yīng)該盡可能魯棒準(zhǔn)確。

2) 為了能夠在不同高度，或者多尺度成功定位，其應(yīng)具有多尺度識別能力。

3) 該特征能夠較好地輔助無人機(jī)進(jìn)行相對定位。

為了使降落標(biāo)識符合以上3點(diǎn)要求，提出了多層嵌套Marker的階層降落標(biāo)識設(shè)計(jì)，能夠很好地解決一般情況下無人機(jī)對降落標(biāo)識的需求。

Marker設(shè)計(jì)規(guī)則：每個(gè)Marker由N×N的黑白方格組成(根據(jù)編碼的容量來選擇N的大小，一般情況下N為5～7)；每個(gè)Marker最外側(cè)方格顏色一致，并根據(jù)內(nèi)側(cè)(N-2)×(N-2)的區(qū)域進(jìn)行編碼，組成獨(dú)一無二的無符號整型編碼值(ID)。根據(jù)最外側(cè)顏色可將Marker分為白邊和黑邊兩種，對于黑邊Marker中的每個(gè)方格，白色多的是1，黑色多的是0，對于白邊Marker則相反。無人機(jī)降落標(biāo)識示例如圖2所示。

如圖2(a)所示的單個(gè)Marker設(shè)計(jì)，其ID對應(yīng)二進(jìn)制011 101 111，即239。由于識別此Marker在4個(gè)方向上觀察不一致，為保證其唯一性，一般不允許Marker存在對稱性，同時(shí)選擇4個(gè)解析結(jié)果中的最小值作為Marker的ID，并記錄獲得最小值所在的方向，從而確定唯一的頂點(diǎn)順序。雖然為了滿足通用性，Marker采用了最簡單的編碼規(guī)則，但這樣的設(shè)計(jì)同樣可以滿足利用冗余信息來使得ID檢測更魯棒的需求。

為了能在多尺度上提供定位信息，停機(jī)坪上設(shè)計(jì)的降落標(biāo)識由單個(gè)或多個(gè)Marker鑲嵌而成。在降落標(biāo)識(本身為Marker)內(nèi)嵌套設(shè)計(jì)規(guī)則相同但規(guī)格較小的Marker，所有的Marker采用統(tǒng)一的方格數(shù)目。嵌套Marker有很多規(guī)格，分布在階層降落標(biāo)識的內(nèi)部。這里的多種規(guī)格是指嵌套Marker的大小不一樣，即邊長不一樣，并且每個(gè)嵌套Marker內(nèi)部的黑色、白色區(qū)域分布也是不同的，這樣每個(gè)嵌套Marker的ID互不相同。雖然多個(gè)Marker之間可以相互嵌套，但嵌套不能影響對父Marker的ID判斷，為滿足這個(gè)要求，對于父Marker的每個(gè)單元格改動(dòng)不能超過三分之一。針對停機(jī)坪上設(shè)計(jì)的降落標(biāo)識的中心GPS位置、各停機(jī)位Marker的ID和頂點(diǎn)位置已知。

圖2 無人機(jī)降落標(biāo)識示例Fig.2 Landing markers of UAVs

如圖2(b)和圖2(c)分別是為單個(gè)無人機(jī)和多個(gè)無人機(jī)泊位停機(jī)坪上設(shè)計(jì)的階層降落標(biāo)識示例。圖2(b)的單泊位停機(jī)坪中，停機(jī)位采用5×5的Marker作為階層降落標(biāo)識，編碼為9位。其外側(cè)大Marker的ID對應(yīng)數(shù)字為239，內(nèi)側(cè)Marker對應(yīng)二進(jìn)制000 011 110，即30。對于圖2(c) 的多泊位停機(jī)坪，每個(gè)停機(jī)位采用7×7的Marker作為階層降落標(biāo)識，編碼為25位。多泊位停機(jī)坪采用漢明編碼[11]，可以保證在每行出現(xiàn)一個(gè)二進(jìn)制錯(cuò)誤時(shí)給予糾正，同時(shí)也保證ID之間至少存在每行一個(gè)以上的二進(jìn)制不同，相當(dāng)于文本所用編碼中的多個(gè)編碼可被看做同一個(gè)編碼，并映射到統(tǒng)一的頂點(diǎn)。

3 自主精準(zhǔn)降落算法

如圖3所示，當(dāng)無人機(jī)接收到飛行控制的降落指令(停機(jī)坪GPS位置信息、無人機(jī)待降落停機(jī)位Marker ID)，到達(dá)設(shè)定的停機(jī)坪發(fā)現(xiàn)域(停機(jī)坪上方半徑3～10 m的空域內(nèi))準(zhǔn)備降落時(shí)，系統(tǒng)啟動(dòng)自主降落程序，通過邊緣檢測和輪廓提取、確定候選停機(jī)位Marker、檢測并校驗(yàn)Marker ID、實(shí)時(shí)位姿估計(jì)等步驟完成無人機(jī)精確降落。

步驟1邊緣檢測和輪廓提取

無人機(jī)到達(dá)停機(jī)坪發(fā)現(xiàn)域后，以固定速率邊下降邊利用機(jī)載攝像機(jī)不斷拍攝采集實(shí)時(shí)圖像，并將其轉(zhuǎn)化為灰度圖，利用Canny算子或自適應(yīng)閾值方法[12-13]得到二值化的邊緣分布圖，利用腐蝕膨脹等算法[14-15]進(jìn)行濾噪，然后提取圖像的輪廓信息(包含停機(jī)坪以及停機(jī)坪內(nèi)所有停機(jī)位Marker的輪廓)。

步驟2確定候選停機(jī)位Marker

對于得到的輪廓信息，濾除兩類輪廓：① 停機(jī)坪中停機(jī)位Marker內(nèi)部必定會(huì)有其他輪廓，因此將所有內(nèi)部無子輪廓的輪廓去除；② 構(gòu)成輪廓的像素點(diǎn)個(gè)數(shù)應(yīng)超過一定數(shù)量，以去除噪點(diǎn)的干擾。對于剩下的輪廓，選取外部為凸四邊形的輪廓作為候選停機(jī)位Marker，并求取其4個(gè)頂點(diǎn)在圖像中的坐標(biāo)。

步驟3檢測并校驗(yàn)Marker ID

圖3 自主精準(zhǔn)降落算法流程圖Fig.3 Flow chart of algorithm of autonomous precision landing

對每一個(gè)候選停機(jī)位Marker，將其通過射影變換映射到固定大小的方形區(qū)域，其中方形區(qū)域的大小應(yīng)為N的整數(shù)倍，一般寬高都為4×N個(gè)像素，這樣對于每個(gè)方格都存在16個(gè)像素點(diǎn)用于二進(jìn)制統(tǒng)計(jì)。將候選停機(jī)位Marker映射到方形區(qū)域后，利用計(jì)算復(fù)雜度低、效率高的K-Means算法[16]將區(qū)域內(nèi)的像素進(jìn)行二值化并進(jìn)一步利用二值化后的圖像進(jìn)行解碼(白色多為1，黑色多為0)，得到一個(gè)N×N的二值矩陣。對于二值矩陣，首先判斷其最外圈是否為全0或全1，不滿足則認(rèn)為此候選停機(jī)位Marker不正確，直接丟棄。然后根據(jù)內(nèi)側(cè)(N-2)×(N-2)區(qū)域可以解碼得到候選停機(jī)位Marker的ID及朝向信息。將候選停機(jī)位Marker的ID與無人機(jī)接收到的降落指令中待降落停機(jī)位Marker的ID進(jìn)行匹配，選擇匹配成功的候選停機(jī)位Marker作為待降落停機(jī)位Marker，否則停機(jī)位Marker定位失敗。

步驟4實(shí)時(shí)位姿估計(jì)

實(shí)際應(yīng)用中在地面上選定并繪制停機(jī)坪時(shí)，停機(jī)位Marker的空間位置及大小是已知信息，即已知待降落停機(jī)位Marker在三維空間的頂點(diǎn)坐標(biāo)，根據(jù)一系列三維點(diǎn)和圖像二維點(diǎn)的對應(yīng)關(guān)系，結(jié)合相機(jī)參數(shù)對無人機(jī)相對于待停機(jī)位Marker坐標(biāo)系的位置和姿態(tài)進(jìn)行求解。

圖4為相機(jī)投影模型，對于世界坐標(biāo)系中某個(gè)坐標(biāo)為(XW,YW,ZW)的三維空間點(diǎn)P，利用相機(jī)位姿R、t(R為旋轉(zhuǎn)矩陣，t為平移向量)將其轉(zhuǎn)化為相機(jī)坐標(biāo)系下的點(diǎn)P′(XC,YC,ZC):

圖4 相機(jī)投影模型Fig.4 Projection model of camera

(1)

已知相機(jī)內(nèi)參K，將點(diǎn)P′投影到圖像I1上,得到圖像特征點(diǎn)坐標(biāo)向量[u1,v1,1]T(以歸一化平面齊次坐標(biāo)表示)為

(2)

式中： (u0,v0)為主點(diǎn)的坐標(biāo)；fx和fy分別為x和y方向的焦距。

假設(shè)某個(gè)Marker頂點(diǎn)的三維空間點(diǎn)坐標(biāo)向量為Pi=[Xi,Yi,Zi]T，其投影到圖像上的像素坐標(biāo)向量為pi=[ui,vi]T，根據(jù)圖4的相機(jī)投影模型可得到像素位置與空間點(diǎn)位置關(guān)系為

(3)

式中：si為圖像上二維像素點(diǎn)向量pi在相機(jī)坐標(biāo)系下的深度，矩陣形式為

sipi=K(RPi+t)

(4)

由于相機(jī)位姿R、t未知以及觀測點(diǎn)pi的噪聲，式(4)的等式存在誤差。因此，為了尋找最好的相機(jī)位姿，構(gòu)建最小二乘問題，使誤差最小化為

(5)

此最小二乘問題的誤差項(xiàng)，是將Marker頂點(diǎn)的像素坐標(biāo)(觀測到的圖像投影位置)與其三維空間點(diǎn)按照相機(jī)模型得到的投影位置相比較得到的誤差，稱之為重投影誤差。通過Levenberg-Marquardt(LM)優(yōu)化算法[17]迭代優(yōu)化最小二乘問題求得無人機(jī)此時(shí)最優(yōu)相機(jī)位姿R、t。

步驟5無人機(jī)飛行控制

根據(jù)無人機(jī)與待停機(jī)位Marker坐標(biāo)系相對位置關(guān)系調(diào)整無人機(jī)的Yaw方向(繞Y方向旋轉(zhuǎn)，即偏航角)，并不斷下降。

無人機(jī)降落到一定位置時(shí)，停機(jī)位Marker已經(jīng)不能完全呈現(xiàn)在相機(jī)平面內(nèi)，此時(shí)嵌套Marker起作用，無人機(jī)只需要按照步驟2和步驟3的Marker ID解析算法，進(jìn)行嵌套Marker的ID匹配即可(該停機(jī)位Marker內(nèi)的嵌套Marker)。

為了讓無人機(jī)保持較好的控制效果，不同階段采用不同的控制方式。當(dāng)無人機(jī)降落到一定高度時(shí)，圖像定位效果較好，即使進(jìn)行一些運(yùn)動(dòng)調(diào)整也不容易發(fā)生定位失敗，因此采用比例-積分-微分(PID)控制器[18-19]進(jìn)行速度環(huán)控制，使得無人機(jī)始終跟隨平臺進(jìn)行速度調(diào)整運(yùn)動(dòng)。而當(dāng)無人機(jī)降落高度過低，來不及進(jìn)行位置調(diào)整時(shí)，為了保證無人機(jī)能較平穩(wěn)精準(zhǔn)地降落在停機(jī)坪上，特別對于移動(dòng)降落平臺，采用PID控制器對加速度環(huán)進(jìn)行控制，從而完成精確降落。

停機(jī)位Marker定位失敗有兩種情況：① 確定候選停機(jī)位Marker時(shí)未找到符合篩選條件的凸四邊形輪廓；② 找到候選停機(jī)位后，未檢測或識別到待降落停機(jī)位Marker ID。

定位失敗后，無人機(jī)盤旋數(shù)秒捕獲實(shí)時(shí)圖像，若仍無法完成準(zhǔn)確定位，無人機(jī)攀升并不斷嘗試重新對停機(jī)位Marker定位以完成降落。

4 試驗(yàn)結(jié)果

4.1 仿真驗(yàn)證

為了測試本文的無人機(jī)自主精準(zhǔn)降落系統(tǒng)，首先在PC機(jī)上對從圖像數(shù)據(jù)獲取、算法實(shí)現(xiàn)到閉環(huán)控制整個(gè)過程進(jìn)行了完整仿真測試。其中整個(gè)仿真系統(tǒng)主要包含無人機(jī)動(dòng)力學(xué)仿真、視景仿真、算法模塊封裝和數(shù)據(jù)可視化4部分。

1) 無人機(jī)動(dòng)力學(xué)仿真

采用無人機(jī)剛體動(dòng)力學(xué)仿真模擬無人機(jī)實(shí)體及飛控部分。無人機(jī)的受力主要分為重力、空氣作用力和無人機(jī)推力。重力在世界坐標(biāo)系下始終不變，空氣作用力由無人機(jī)速度和風(fēng)速?zèng)Q定，設(shè)定一個(gè)高斯過程，絕對值不超過1.5 m/s的風(fēng)擾動(dòng)，算法給出的控制決定無人機(jī)推力。無人機(jī)動(dòng)力學(xué)仿真模塊以100 Hz的固定頻率進(jìn)行加速度、速度和位置、姿態(tài)等關(guān)鍵參數(shù)的更新。

2) 視景仿真

模擬攝像頭采集過程。假設(shè)攝像頭安裝在無人機(jī)機(jī)體正下方視角向下，根據(jù)無人機(jī)動(dòng)力學(xué)仿真的實(shí)時(shí)位姿及攝像機(jī)內(nèi)參實(shí)時(shí)渲染得到虛擬的攝像頭曝光圖片。

3) 算法模塊封裝

將信息輸入接口、控制輸出接口和核心算法部分封裝成統(tǒng)一模塊，代碼復(fù)用方便開發(fā)，并避免移植中的錯(cuò)誤。

4) 數(shù)據(jù)可視化

使用Qt和OpenGL完成整個(gè)自主降落系統(tǒng)的三維可視化分析[20]，實(shí)現(xiàn)無人機(jī)位置、實(shí)時(shí)渲染圖片、風(fēng)速方向和算法位姿估計(jì)與控制輸出等部分的可視化，方便觀察整個(gè)系統(tǒng)流程。

圖5是針對圖2(b)設(shè)計(jì)的降落標(biāo)識，無人機(jī)模擬自主降落仿真系統(tǒng)的界面顯示，其中上側(cè)四旋翼無人機(jī)是無人機(jī)當(dāng)前真實(shí)位姿，左下角是仿真渲染得到的圖像及算法處理檢測到的Marker標(biāo)記，中間朝向下的視角框表示算法計(jì)算得到的無人機(jī)位姿，正下方是世界坐標(biāo)系下擺放的降落板及模擬的當(dāng)前風(fēng)速表征線。從圖5(a)側(cè)視圖和圖5(b)俯視圖可以看出此時(shí)降落高度已完全檢測和識別停機(jī)位的所有Marker(包括嵌套Marker)，無人機(jī)的位姿估計(jì)比較準(zhǔn)確。

圖5 自主降落系統(tǒng)仿真驗(yàn)證Fig.5 Simulation verification of autonomous landing system

4.2 自主降落試驗(yàn)驗(yàn)證

為測試算法在真實(shí)環(huán)境下的性能特性，搭建了試驗(yàn)環(huán)境，并進(jìn)行多次測試。所采用的無人機(jī)是自己組裝的四旋翼，飛控硬件采用Pixhawk，飛控軟件采用APM，飛機(jī)上裝載一個(gè)NanoPi2(1.4 GHz四核A9處理器搭配1 G內(nèi)存)作為視覺計(jì)算平臺，飛控和計(jì)算機(jī)之間通過UART接口通信，相機(jī)為VGA(Video Graphics Array)分辨率的USB相機(jī)。

手動(dòng)控制無人機(jī)起飛，到達(dá)指定空域(相機(jī)視野內(nèi)出現(xiàn)停機(jī)位)，開始進(jìn)入自主精準(zhǔn)降落程序，相機(jī)將得到的含有降落標(biāo)識(Marker)的圖像信息傳送給視覺計(jì)算平臺，實(shí)時(shí)計(jì)算出無人機(jī)與Marker的相對位置關(guān)系，將相對位置坐標(biāo)傳入飛控系統(tǒng)，飛控控制無人機(jī)飛行完成整個(gè)自主精準(zhǔn)降落過程。在下降過程中，圖像采集頻率是30 幀/s,分辨率是640×480。

圖6分別展示了本系統(tǒng)無人機(jī)在地面固定位置和在移動(dòng)車頂降落的試驗(yàn)。地面和車頂上放置的降落板上的降落標(biāo)識如圖2(b)所示。試驗(yàn)部分具體采用如下硬件配置：

圖6 四旋翼無人機(jī)自主降落試驗(yàn)驗(yàn)證Fig.6 Autonomous landing test verification of quadrotor UAV

1) 機(jī)架與飛控

采用如圖6(a)和圖6(b)中的設(shè)計(jì)，在機(jī)架最外側(cè)4個(gè)機(jī)臂下安置腳架，盡可能讓無人機(jī)在各種降落平臺保持穩(wěn)定。而為了讓算法直接省略對姿態(tài)中Pitch(繞X方向旋轉(zhuǎn)，俯仰角)和Roll(繞Z方向旋轉(zhuǎn)，滾轉(zhuǎn)角)的計(jì)算，飛控將通過串口實(shí)時(shí)發(fā)布最新姿態(tài)信息，并接受算法輸出的控制指令完成相應(yīng)動(dòng)作。

2) 攝像頭

對于自主降落系統(tǒng)，對圖像分辨率要求不高，但幀率越高越好，并要求適應(yīng)各種光線情形。圖像采集部分使用OV2710芯片為核心的廣角USB攝像頭模塊，其特點(diǎn)是在低照度的環(huán)境下成像效果較好，并且分辨率為640×480時(shí)，幀率最高達(dá)到100 Hz。

從圖6(a)和圖6(b)中可以看出無人機(jī)成功并準(zhǔn)確地降落到降落板上。圖6(c)和圖6(d)是在車頂上搭建了移動(dòng)降落平臺，并進(jìn)行了多次降落試驗(yàn)，無人機(jī)都能很好地降落到車頂。

圖7 無人機(jī)相對位置變化圖Fig.7 Variation of relative positions of UAVs

靜止降落試驗(yàn)進(jìn)行了20次，圖7是某次靜止降落試驗(yàn)中，無人機(jī)在位于7 m高度下降時(shí)20 s內(nèi)X、Y、Z方向相對于起飛點(diǎn)的偏移量，可以看出自主精準(zhǔn)降落算法得到的相對位移量隨著高度的下降呈變小趨勢，當(dāng)無人機(jī)到達(dá)地面時(shí)，水平和垂直方向偏移量能達(dá)到10 cm以內(nèi)。經(jīng)過統(tǒng)計(jì)20次試驗(yàn)的偏移量，發(fā)現(xiàn)總體偏離誤差不超過 10 cm，相比紅外等降落標(biāo)志易受強(qiáng)光、溫度或灰塵等影響，本系統(tǒng)不易受光照、溫度、噪聲等環(huán)境因素干擾。即使受風(fēng)影響，也只有在少數(shù)情況下偏離誤差會(huì)超過10 cm，如圖8所示。

圖8 靜止降落試驗(yàn)總體偏離誤差散點(diǎn)圖Fig.8 Total deviation error scatter of static landing test

4.3 系統(tǒng)性能分析

為了評估本文自主精準(zhǔn)降落系統(tǒng)的性能，在NanoPi2機(jī)載運(yùn)算平臺上對系統(tǒng)各部分的時(shí)間消耗進(jìn)行統(tǒng)計(jì)，如表1所示。從表中可以看出系統(tǒng)的效率非常高，邊緣輪廓提取部分因?yàn)槠涮幚砹舜罅肯袼攸c(diǎn)，耗時(shí)最長，其他的部分都只是對少量數(shù)據(jù)進(jìn)行處理，故耗時(shí)相對較短。

表1 系統(tǒng)工作時(shí)各部分在NanoPi2的耗時(shí)統(tǒng)計(jì)Table 1 Statistics of time duration of each part of system in NanoPi2

5 結(jié) 論

1) 本文提出的階層降落標(biāo)識采用多層嵌套的Marker，很容易被檢測識別，并能夠在多尺度上提供其定位信息，且可以達(dá)到更魯棒的需求。

2) 在進(jìn)行充分的仿真試驗(yàn)和實(shí)飛測試后，證明了本文提出的無人機(jī)自主精準(zhǔn)降落系統(tǒng)不易受到環(huán)境干擾，其魯棒性和效率較高，且對計(jì)算性能要求極低，可為多個(gè)不同無人機(jī)同時(shí)提供精準(zhǔn)降落服務(wù)。

3) 本文提出的自主精準(zhǔn)降落系統(tǒng)依托于階層降落標(biāo)識進(jìn)行相對定位，忽略了其他環(huán)境信息。后期可綜合考慮其他環(huán)境紋理信息，更魯棒地提供更準(zhǔn)確的定位信息。